Learning Analytics und intelligente tutorielle Systeme: Randthema oder Kernaufgabe der Lehrkräftebildung?

Prof. Dr. Sebastian Becker-Genschow (Universität zu Köln)

Warum gerade Learning Analytics und intelligente tutorielle Systeme?

Mit der dynamisch fortschreitenden technologischen Entwicklung im Bereich Künstlicher Intelligenz (KI) stehen heutzutage äußerst leistungsfähige adaptive Systeme zur Verfügung, welche in der Lage sind, Lernendendaten zu erfassen, diese auszuwerten und Lernwege individuell anzupassen. Learning Analytics (LA) und intelligente tutorielle Systeme (ITS) eröffnen hierbei einen großen Möglichkeitsraum, um Lehren und Lernen personalisierter zu gestalten. Sie werden damit zukünftig Teil des Berufsalltags von Lehrkräften sein, spätestens ab dem Zeitpunkt, an dem adaptive Lernumgebungen wie das AIS, das im gleichnamigen Projekt „Adaptives Intelligentes System“ (AIS) entwickelt wird, in der Breite der allgemeinbildenden Schulen ankommen. Es obliegt nun der Lehrkräftebildung, (angehende) Lehrkräfte auf die didaktisch und pädagogisch kompetente Anwendung solcher Systeme vorzubereiten. Umso mehr beschäftigt es mich, wie wenig insbesondere das Lehramtsstudium derzeit darauf vorbereitet.

Welche Rolle nehmen ITS bislang im Lehramtsstudium ein?

Bislang lediglich eine Randrolle. Wenn ITS in das Lehramtsstudium integriert werden, dann meist nur punktuell, oftmals in einem fakultativen Wahlseminar oder einer einzelnen Lehrveranstaltung, die von einer engagierten Person abhängig ist. Eine curriculare Einbindung mit dem Ziel eines kumulativen, an die weiteren Phasen der Lehrkräftebildung anschlussfähigen Kompetenzaufbaus gibt es an den Universitäten weitestgehend jedoch (noch) nicht. Zudem begegnen Studierende solchen Systemen meist als nativ Nutzende, seltener als künftige professionell Anwendende, die deren Daten deuten und daraus pädagogische und didaktische Entscheidungen ableiten können. Dies sind jedoch entscheidende Voraussetzungen, um solche Systeme lernwirksam in den Unterricht integrieren zu können.

Warum ist das gerade jetzt dringlich?

PISA 2025 markiert einen historischen Tiefstand: In allen drei Kompetenzbereichen erreichen deutsche 15-jährige Schülerinnen und Schüler die niedrigsten Werte seit Beginn der Studie (Greiff et al., 2026). Eine Antwort darauf liegt nicht in immer neuen Programmen oder Verweisen auf lange Wirkhorizonte und gesellschaftliche Veränderungen, sondern vielmehr in einer konsequent datengestützten Schul- und Unterrichtsentwicklung. Mittels Learning Analytics können Lernstände kontinuierlich und nah am Unterricht erfasst und sichtbar gemacht werden. Dadurch würde es möglich werden, Lerndefizite früh zu erkennen, gezielt zu fördern und die Wirksamkeit der Maßnahmen zu evaluieren. Entscheidend ist jedoch, ob die Lehrkräfte auch kompetent darin sind, solche Daten zu lesen, sie zu deuten und in pädagogische und didaktische Entscheidungen zu übersetzen. Eine solche technologiebezogene diagnostische Kompetenz muss bereits im Studium angelegt werden.

Können adaptive Systeme zu mehr Bildungsgerechtigkeit beitragen?

PISA 2025 zeigt noch ein zweites, ebenso drängendes und mehr noch strukturelles Problem. In Deutschland hängt die Leistung besonders eng mit dem sozioökonomischen Hintergrund zusammen. In den Naturwissenschaften liegen Jugendliche aus dem sozial privilegiertesten und dem am stärksten benachteiligten Viertel 125 Punkte auseinander, im OECD-Durchschnitt sind es gerade einmal 85. Von den benachteiligten Jugendlichen verfehlen 41 Prozent die Basiskompetenzstufen, von den privilegierten lediglich 8 Prozent. Die Disparitäten sind dabei so groß wie nie seit Beginn der PISA-Erhebungen (Greiff et al., 2026). Hier liegt ein besonderes Potenzial von ITS. Individuelle Rückmeldungen zu Lernstand und -defiziten, personalisierte Aufgaben und passgenaue Hilfestellungen, was privilegierte Familien sich über Nachhilfe organisieren, können ITS allen Lernenden unabhängig von ihrem sozioökonomischen Hintergrund zugänglich machen. Zudem können LA bereits in einem frühen Stadium zeigen, wer Gefahr läuft, den Anschluss in einer Klasse zu verlieren, sodass Fördermaßnahmen getroffen werden können. Würde es gelingen, allen Schülerinnen und Schülern gleichwertige Zugänge zu solchen Systemen zu ermöglichen, könnten wir die Bildungsungerechtigkeit im deutschen Schulsystem zumindest reduzieren.

Welche Kompetenzen sollten angehende Lehrkräfte nun erwerben?

Aus meiner Sicht braucht es drei Perspektiven:

• Lernen mit ITS. Studierende sollten adaptive Systeme zunächst selbst als Lernende erleben. Dies inkludiert auch Situationen, in denen ein ITS sie möglicherweise falsch einschätzt.
• Lernen über ITS. Angehende Lehrkräfte sollten verstehen, welche Daten ein System erhebt, auf welchem Modell vom Lernen seine Empfehlungen beruhen, wo Verzerrungen entstehen könnten und wie Datenschutz konkret umgesetzt werden kann.
• Lernen durch ITS. Übergeordnetes Ziel ist die Professionalisierung von Lehrkräften als mündige und kompetente Anwenderinnen und Anwender. Angenommen, ein Dashboard zeigt, dass ein Drittel der Klasse an einer Aufgabe zur Energieerhaltung scheitert. Liegt nun eine typische Schülervorstellung vor? Etwa, dass Energie einfach „weg“ ist, weil keine Bewegung oder Höhenänderung mehr sichtbar ist? Oder war die Aufgabe sprachlich missverständlich? Aus den Daten allein wird das noch nicht deutlich, es bedarf einer Interpretation durch die Lehrkraft. Voraussetzung dafür sind jedoch fachspezifisches technologie-didaktisches Wissen und diagnostische Kompetenz.

Deshalb müssen die Fachdidaktiken sich dieser Thematik widmen. Der Orientierungsrahmen DiKoLAN KI, der spezifisch für die Naturwissenschaften entwickelt wurde, enthält dafür einen eigenen Kompetenzbereich „Assessment, Feedback und Adaptivität“ (Huwer et al., 2024). Lehrkräfte müssen einschätzen können, welche Daten sich valide automatisiert erfassen lassen, wie diese interpretiert werden und welche diagnostischen Entscheidungen sich daraus ableiten lassen.

An der Universität zu Köln haben wir dazu das interdisziplinäre Seminar „KI im naturwissenschaftlichen Unterricht“ entwickelt, welches konzeptuell DiKoLAN KI und damit auch den Bereich „Assessment, Feedback und Adaptivität“ in das Lehramtsstudium einbindet.

Warum reicht die erste Phase allein nicht aus?

Ein einzelnes Seminar kann nur einen Grundstein legen. Notwendig ist jedoch ein phasenübergreifender, kumulativer Kompetenzaufbau mit einem gemeinsamen Referenzrahmen, an den alle Phasen der Lehrkräftebildung anschließen können. Essenziell dafür ist eine Aufteilung der Inhalte wie im Folgenden vorgeschlagen, um die Anschlussfähigkeit der einzelnen Phasen zu garantieren und Redundanzen zu vermeiden.

Studium: Funktionsverständnis und fachdidaktische und pädagogische Urteilsfähigkeit; im Praxissemester erste Auseinandersetzung mit Lernstandsdaten.

Vorbereitungsdienst: Systematische Erprobung von ITS im eigenen Unterricht, beispielsweise mit dem AIS und den Daten der eigenen Lerngruppe.

Fort- und Weiterbildung: Modulare Vertiefungsmöglichkeiten zur datengestützten Unterrichts- und Schulentwicklung für Kollegien und Schulleitungen sowie Brückenkurse für bereits praktizierende Lehrkräfte.

Kurzfristig braucht es also eine zweigleisige Konzeption: angepasste Curricula für die nächste Generation von Lehrkräften und ein Nachhol-Konzept für jene, die bereits im Beruf tätig sind.

Was folgt daraus für das AIS?

Technologie allein führt noch zu keinen strukturellen Veränderungen von Unterricht, Daten alleine verbessern keine Lernleistungen. Damit ITS individualisiertes Lehren und Lernen ermöglichen und damit tatsächlich bessere Lernerfolge erzielt werden können, bedarf es Lehrkräfte, die solche Systeme pädagogisch und didaktisch kompetent, kritisch-reflektiert und aktiv gestaltend in den eigenen Fachunterricht integrieren. Der Erfolg von AIS hängt maßgeblich von einer gelingenden, phasenübergreifenden und anschlussfähigen Integration in die Lehrkräftebildung ab. Dazu gehört aus meiner Sicht auch, allen Lehrenden und Lernenden, und das inkludiert auch Studierende und Dozenten an den Hochschulen, einen kostenfreien Zugang zum AIS zu ermöglichen.

Als Bildungswissenschaftler und ehemaliger Lehrer ist es mir ein besonderes Anliegen, dass Technologieeinsatz zu mehr Bildungsgerechtigkeit im deutschen Schulsystem beiträgt. LA und ITS haben dazu großes Potenzial. Nutzen wir es gezielt für jene, die bislang die geringsten Bildungschancen haben.